Aislamiento de fallos por estimación de parámetros con técnicas neuronales
| UDC.coleccion | Investigación | es_ES |
| UDC.departamento | Enxeñaría Industrial | es_ES |
| UDC.grupoInv | Ciencia e Técnica Cibernética (CTC) | es_ES |
| dc.contributor.author | Meizoso-López, María-Carmen | |
| dc.contributor.author | Piñón-Pazos, A. | |
| dc.contributor.author | Ferreiro García, Ramón | |
| dc.date.accessioned | 2005-12-21T16:40:22Z | |
| dc.date.available | 2005-12-21T16:40:22Z | |
| dc.date.issued | 2004 | |
| dc.description | XXV Jornadas de Automática,Ciudad Real, 8, 9, y 10 de septiembre de 2004 | es_ES |
| dc.description.abstract | El artículo aborda un novedoso método para la estimación de parámetros inherentes a procesos no lineales y de difícil medida utilizando masivamente redes neuronales entrenadas mediante propagación hacia atrás para ser utilizado en la detección y aislamiento de fallos en procesos físicos. La herramienta para la utilización masiva de redes neuronales es una parte de DeltaV y permite su implementación dentro de arquitecturas de control basadas en el estándar Foundation Fieldbus | es_ES |
| dc.format.mimetype | application/pdf | |
| dc.identifier.uri | http://hdl.handle.net/2183/544 | |
| dc.language.iso | spa | es_ES |
| dc.rights.accessRights | open access | es_ES |
| dc.subject | Aproximación funcional | es_ES |
| dc.subject | Propagación hacia atrás | es_ES |
| dc.subject | Redes de neuronales | es_ES |
| dc.subject | Modelización inversa | es_ES |
| dc.subject | Detección de fallos | es_ES |
| dc.subject | Aislamiento de fallos | es_ES |
| dc.title | Aislamiento de fallos por estimación de parámetros con técnicas neuronales | es_ES |
| dc.type | conference output | es_ES |
| dspace.entity.type | Publication | |
| relation.isAuthorOfPublication | cc15e31a-304c-4a4d-a856-af880501e69b | |
| relation.isAuthorOfPublication | 6981883a-51de-42e8-9dfc-35a78626fd7b | |
| relation.isAuthorOfPublication | afa0e859-fbf9-4d14-9e26-de5587c7c21f | |
| relation.isAuthorOfPublication.latestForDiscovery | cc15e31a-304c-4a4d-a856-af880501e69b |
Files
Original bundle
1 - 1 of 1

